基于联合区间偏最小二乘判别分析的猪肉近红外光谱定性建模分析

为解决偏最小二乘判别分析(PLSDA)建模时光谱区域中的噪声及冗余信息干扰问题,提出一种基于联合区间偏最小二乘判别分析(Si PLSDA)算法,并将该算法应用于猪肉近红外光谱的定性建模分析。Si PLSDA利用联合区间偏最小二乘回归(Si PLS)进行光谱特征区域筛选,在筛选出来的光谱区域内建立数据的定性预测模型。采用Antaris II快速傅里叶变换近红外光谱分析仪获取波数范围为10000~4000 cm-1的猪肉样本近红外光谱,采用标准正态变量变换(SNV)进行近红外光谱的预处理,用Si PLSDA建立猪肉近红外光谱的定性模型。实验结果表明,Si PLSDA建立的预测模型对猪肉储藏时间的识别率达到93.94%,高于基于全光谱区域建立的PLSDA预测模型的识别率。     

三维荧光光谱的多维偏最小二乘建模方法

将偏最小二乘方法（PLS）推广到高维的多维偏最小二乘方法（N-PLS）由于同时考虑自变量矩阵和应变量矩阵的信息,可以有效解决高维数据的建模问题,并具有较好的模型预测和推广能力。本文研究了三维荧光光谱的多维偏最小二乘建模方法,根据样本序列、激发光谱、发射光谱构造出三维立体数据,并应用N-PLS建立校正模型。对水中的有机污染物浓度综合指标COD、TOC的建模实验,表明了在建模精度方面N-PLS方法优越于常规PLS和平行因子法。     

激光拉曼光谱结合偏最小二乘法快速测定植物油碘值

为探讨应用激光拉曼(Raman)光谱结合偏最小二乘 法(PLS)建模无损、快速及无试剂测定植物油碘值 的可行性,实验以大豆油、橄榄油、花生油、芝麻油及其调和油为样品,采集了其拉曼光谱 , 采集波数范围为250cm－1～2400cm －1, 并对其信号进行了归属,考察了各种实验条件对拉曼光谱的 影响,并以传统韦氏法测定得到的碘值作为对比,结合化学计量学方法建立了植物油碘值拉 曼 光谱定量模型。实验结果表明,大豆油、橄榄油、花生油及其调和油的拉曼光谱峰形及位移 具有一定的相似性,芝麻油拉曼光谱有较强的荧光干扰,峰强度与其他植物油存在着明显的 差异。所建立的碘值校正模型的决定系数R²为97.49 ,交叉验证校正标准差(RMSECV)为 1.15;检验集预测标准差(RMSEP)为1.57, 决定系数R²为96.47。结果表明,应用拉曼光 谱技术结合化学计量学实现植物油碘值快速检测是可行的。     

基于偏最小二乘法的多光谱降维算法

在光谱色彩管理色域映射中,针对查找表建立过程中高维光谱数据计算的一系列问题,提出了一种非线性的高维光谱降维方法。对同色异谱黑进行偏最小二乘分析,提取潜在成分,获得了KMN向量,将其与Lab向量组合成6维向量,并作为中间转换空间LabKMN,实现高维光谱数据与低维基向量组合之间的相互转换。LabPQR空间的前3个维度是在特定光照条件下的CIELAB值,后3个维度(PQR)用于描述同色异谱黑的光谱重建维度。对两种方法在光谱精度和色度精度两方面进行比较,基于1600个孟塞尔样本数据的实验计算表明,与LabPQR方法相比,LabKMN的方均根误差均值由0.0164降低到0.0139,光谱精度提高了15.24%,色度重建误差由2.8706降低到1.8138,平均色差降低了36.81%。LabKMN方法降维后的重建精度大幅提高,能够较好地实现更高精度的原始色彩光谱空间的描述。     

基于K-均值聚类和传统递归最小二乘法的高光谱图像无损压缩

针对基于预测的高光谱图像无损压缩算法压缩比低的问题,该文将聚类算法与高光谱图像预测压缩算法相结合,提出一种基于K-均值聚类和传统递归最小二乘法的高光谱图像无损压缩算法。首先,对高光谱图像按光谱矢量进行K-均值聚类以提升同类光谱矢量间的相似度。然后,对每一聚类群分别使用传统递归最小二乘法进行预测,消除高光谱图像的空间冗余和谱间冗余。最后,对预测误差图像进行算术编码,完成高光谱图像压缩过程。对AVIRIS 2006高光谱数据进行仿真实验,所提算法对16位校正图像、16位未校正图像和12位未校正图像分别取得了4.63倍,2.82倍和4.77倍的压缩比,优于同类型已报道的各种算法。     

基于聚类核函数的最小二乘支持向量机高光谱图像半监督分类

针对大规模的高光谱数据分类,为了利用未标签样本所含信息,来提升分类器性能,提出了一种半监督分类算法。该算法根据聚类假设,即属于同一类地物的样本点在聚类中被分为同一类的可能性较大的原则来改进核函数,采用基于光谱角度量的K均值聚类算法对样本集进行聚类,根据多次聚类的结果,构造包袋核函数,然后利用加法和乘法运算将包袋核函数和RBF核函数组合成新的核函数,从而把未标签样本信息融入分类器。而且采用最小二乘支持向量机,将标准支持向量机的二次规划问题转换为求解线性方程组的问题。高光谱实测数据实验表明了本文方法的优越性。      

基于近红外光谱技术的成品卷烟定量分析

CO,焦油,烟气烟碱是卷烟产品的重要指标,传统方法测量时,有污染并且不能预测。根据卷烟产品粉末的近红外光谱,用30个品牌样品,600条光谱建立了焦油、CO、烟碱三大烟气指标的校正模型,用于准确测定和预测卷烟产品的三大烟气指标。在所有的校正模型中,原始谱图经过二阶导数和偏最小二乘（PLS）处理,实验结果的偏差比较小,表明近红外光谱技术在分析卷烟产品的化学指标时可以代替经典化学方法,可以为烟草行业节省大量资金和显著提高工作效率。另外还利用近红外光谱图对卷烟产品的价格档次进行预测分类,结果令人满意,可以对卷烟产品价格的制定提供参考。     

一种基于变量稳定性与集群分析相结合的近红外波长的选择方法

为了提高分析模型的效率与性能,提出了一种基于变量稳定性与集群分析相结合(VSPA)的波长选择方法。该算法将变量分为样本空间与变量空间,在样本空间里计算变量的稳定性,根据稳定性值,利用加权自举采样技术将变量划分为有用变量与无用变量;在变量空间中,统计每个变量出现的频率,利用指数衰减函数在无用变量中去掉变量频率较低的变量。将算法应用在近红外光谱玉米数据集中来预测玉米中淀粉的含量,其预测集均方根(RMSEP)与相关系数(R_p)分别为0.0409和0.9974,筛选后的特征变量仅为原始光谱数据的2.7%,说明提出的变量选择方法能够提高模型的运算效率与预测能力,是一种有效的变量选择方法。     

基于偏最小二乘回归的与头相关传递函数的个人化

该文提出了一种基于偏最小二乘回归(Partial Least Squares Regression, PLSR)的与头相关传递函数(Head Related Transfer Function, HRTF)的个人化方法。通过对HRTF进行预处理和主元分析,并对人体参数进行筛选,只要相对简单的人体参数测量,就可利用PLSR得到特定人的HRTF。客观误差分析和主观声音定位测试结果表明估计的HRTF与实际测量的HRTF之间不仅均方误差较小,而且感知区别不大;同时由PLSR估计的个人化HRTF在水平面上的主观测试定位准确率明显优于非个人化HRTF,也优于由最小二乘回归(Least Squares Regression, LSR)估计的个人化HRTF。     

基于PLS的加权朴素贝叶斯分类测试算法

朴素贝叶斯算法是一种简单而高效的分类算法,但是它的条件独立性假设影响了其分类性能。通过放松朴素贝叶斯假设,可以增强其分类效果,但通常会导致计算代价大幅提高。文章提出了一种基于偏最小二乘的加权朴素贝叶斯分类算法,通过建立条件属性和决策属性之间偏最小二乘回归方程,把回归系数赋给对应的条件属性,作为相应的权重,从而在保持简单性的基础上有效地提高了朴素贝叶斯算法的分类性能。最后,通过在UCI数据集上的仿真实验,验证了该算法的有效性。     

基于加权Boosting的核偏最小二乘图像超分辨率重建

核偏最小二乘(KPLS)算法对每个图像块选用全部主元成分进行图像重建,导致图像超分辨率算法的计算量大。兼顾图像重建质量和时间效率,该文提出一种加权Boosting的图像超分辨率重建算法。为自适应地选取每个图像块主元成分的最佳数目,利用加权Boosting原理对KPLS回归预测量进行补偿,推导给出补偿权重系数的数学表达式。讨论不同Boosting阈值情况下的重建性能,在合适的下,选取出主元成分的最佳数目m更好地满足KPLS回归模型的精度要求。实验结果表明,该文算法的超分辨率重建质量优于传统算法。     

Classification schemes based on Partial Least Squares for face identification

Approaches based on the construction of highly discriminative models, such as one-against-all classification schemes, have been employed successfully in face identification. However, their main drawback is the reduction in the scalability once the models for each individual depend on the remaining subjects. Therefore, when new subjects are enrolled, it is necessary to rebuild all models to take into account the new individuals. This work addresses different classification schemes based on Partial Least Squares employed to face identification. First, the one-against-all and the one-against-some classification schemes are described and, based on their drawbacks, a classification scheme referred to as one-against-none is proposed. This novel approach considers face samples that do not belong to subjects in the gallery. Experimental results show that it achieves similar results to the one-against-all and one-against-some even though it does not depend on the remaining subjects in the gallery to build the models.     

基于偏最小二乘与改进中心对称CENTRIST的快速行人检测算法

针对复杂背景下的快速行人检测问题,从行人边缘信息的角度,该文提出了一种改进的中心对称统计变换(ICS_CENTRIST)特征,该特征只有32维,计算简单,描述能力强,可以很好地表达行人的边缘轮廓。行人检测时采用3级级联分类方法：第1级采用基于辅助积分图的线性支持向量机(SVM),快速排除大部分非行人区域;第2级,第3级分别使用偏最小二乘法(PLS)选出区分能力最强的前12和21个块(block),提取ICS_CENTRIST特征,采用直方图交叉核支持向量机(HIK-SVM)进行精确检测。实验结果表明,该文算法在复杂背景下可取得较好的检测效果,检测速度在447358大小的图像上达到平均50 ms,与基于CENTRIST特征的快速检测方法和梯度方向直方图(HOG)算法相比分别提高了50%和90%,满足实时性要求。     

基于Zernike-Facet模型和总体最小二乘的弱小目标检测

弱小目标一般是图像局部区域的极值点。针对这个特点,依据二元三次函数的极值理论,该文提出了一种新的弱小目标候选点的检测方法。发展了一种新的图像局部灰度拟合模型,即Zernike-facet模型,模型参数的求解采用比最小二乘(LS)抗噪能力更强的总体最小二乘(TLS)算法。新检测方法通过Zernike-facet模型和TLS对原始图像中每一个像素的局部区域进行曲面拟合,然后在拟合曲面上提取极值点作为目标候选点。仿真表明,新方法在抑制噪声上优于其他常用方法。可见光/红外图像小目标检测实验也证实了新方法的有效性。     

基于正则化约束总体最小二乘的单站DOA-TDOA无源定位算法

针对利用单站外辐射源的目标无源定位问题,该文提出一种联合到达角度和时差信息的正则化约束总体最小二乘(RCTLS)定位算法。首先,将非线性的到达角度和时差的观测方程进行线性化处理,分析了方程系数矩阵可能出现的病态问题,将定位问题建立为RCTLS模型,并采用牛顿迭代方法对模型求解,从而得到目标位置估计。最后,推导了算法的理论误差,并按照均方误差最小的原则推导了正则化参数的最优值。仿真结果表明,算法的定位精度和鲁棒性均优于约束总体最小二乘(CTLS)算法。此外,对系统几何精度因子图的分析表明,目标及外辐射源的位置对定位精度也有影响。     

基于近红外光谱检测不同产地石榴的糖度

基于可见/近红外漫透射光谱技术,探讨了对不同产地石榴的品质进行快速无损检测的可行性。首先,利用能够有效抑制杂散光影响的动态在线检测装置采集石榴的近红外光谱,测试石榴糖度的真值;然后结合主成分分析法对不同产地的石榴进行聚类分析,大致将样品分为两类;最后建立不同产地石榴的偏最小二乘判别分析模型,模型的判别准确率为97%以上。采用多种预处理方法(S-G平滑、归一化、基线校正、MSC等)建立了两类石榴的单一模型,结果表明:基线校正的效果明显优于其他方法,所建立的四川石榴模型的预测集相关系数R_p为0.82,预测集均方根误差(RMSEP)为0.37,建模集相关系数R_c为0.90,建模集均方根误差(RMSEC)为0.31;云南石榴模型的R_p为0.81,RMSEP为0.33,R_c为0.87,RMSEC为0.27。在后期采用未参与建模的样品的分选验证实验中,两个产地石榴的判别率为95%,糖度的分选准确率可达92.5%。结果表明,近红外光谱在石榴产地的判别和糖度的分选上具有重要意义,可为以后的石榴在线分选研究提供依据。     

基于欠奈奎斯特采样的超宽带信号总体最小二乘重建算法

该文针对超宽带无线通信中需要设计高速模数转换器的问题,提出了一种欠奈奎斯特采样方法,该方法所要求的采样率仅与信号新息率相关,低于奈奎斯特率1个数量级。基于欠采样得到的离散时间超宽带信号,从理论上推导出信号的傅里叶频谱表达式,由此给出了一种总体最小二乘参数估计算法,能够准确地估计出冲激串信号的幅度和时移;通过将估计出的冲激串信号与高斯单脉冲波形卷积,完成超宽带信号的波形重建。仿真和实验结果表明,该文算法能够准确地重建原始超宽带信号,且算法性能优于现有的零化滤波重建算法。     

基于约束总体最小二乘的单站DOA/TDOA联合误差校正与定位算法

多基外辐射源雷达定位系统受系统偏差影响较大。该文针对多基外辐射源雷达到达角度(DOA)和到达时差(TDOA)联合定位系统,提出一种基于约束总体最小二乘(CTLS)的无源定位和误差校正算法。首先引入辅助变量,将DOA和TDOA非线性观测方程进行线性化处理。考虑伪线性化后定位方程中噪声矩阵各分量统计相关特性,将无源定位与误差校正联合优化问题建立为CTLS模型,并采用牛顿迭代方法对模型求解。在此基础上,考虑辅助变量与目标位置的关联性,设计关联最小二乘算法改进目标位置估计值,采用后验迭代方法进一步提高系统偏差估计精度。最后推导了算法的理论误差。仿真结果表明：该算法能够有效地估计目标位置和系统偏差。